我如何绘制大熊猫多指标数据帧的3D

Question

我有分组这样的数据帧df：

Year Product Sales 
2010  A 111 
      B 20 
      C 150 
2011  A 10 
      B 28 
      C 190 
      … … 

，我想在matplotlib绘制此为具有Year为x轴的三维图，在y轴上为Sales，在z轴上为Product。

我一直在尝试以下操作：

from mpl_toolkits.mplot3d import axes3d 
fig = plt.figure() 
ax = fig.add_subplot(111, projection='3d') 
X = dfgrouped['Year'] 
Y = dfgrouped['Sales'] 
Z = dfgrouped['Product'] 
ax.bar(X, Y, Z, color=cs, alpha=0.8) 

不幸的是我得到

"ValueError: incompatible sizes: argument 'height' must be length 7 or scalar"

Answer 1

你可以绘制如图使用Pandas三维条形图：

设置：

arrays = [[2010, 2010, 2010, 2011, 2011, 2011],['A', 'B', 'C', 'A', 'B', 'C']] 
tuples = list(zip(*arrays)) 
index = pd.MultiIndex.from_tuples(tuples, names=['Year', 'Product'])   

df = pd.DataFrame({'Sales': [111, 20, 150, 10, 28, 190]}, index=index) 
print (df) 

       Sales 
Year Product  
2010 A   111 
    B   20 
    C   150 
2011 A   10 
    B   28 
    C   190 

数据角力：

import numpy as np 
import pandas as pd 
from mpl_toolkits.mplot3d import axes3d 
import matplotlib.pyplot as plt 

# Set plotting style 
plt.style.use('seaborn-white') 

分组类似条目（get_group）存在的Sales列并通过它们迭代后来它们附加到一个list。这使用np.hstack水平堆叠，形成3d图的z尺寸。

L = [] 
for i, group in df.groupby(level=1)['Sales']: 
    L.append(group.values) 
z = np.hstack(L).ravel() 

让x和y两个维上的标签采用多索引数据帧各个级别的唯一值。 x和y维度取这些值的范围。

xlabels = df.index.get_level_values('Year').unique() 
ylabels = df.index.get_level_values('Product').unique() 
x = np.arange(xlabels.shape[0]) 
y = np.arange(ylabels.shape[0]) 

返回坐标从坐标向量矩阵使用np.meshgrid

x_M, y_M = np.meshgrid(x, y, copy=False) 

3-d绘图：

fig = plt.figure(figsize=(10, 10)) 
ax = fig.add_subplot(111, projection='3d') 

# Making the intervals in the axes match with their respective entries 
ax.w_xaxis.set_ticks(x + 0.5/2.) 
ax.w_yaxis.set_ticks(y + 0.5/2.) 

# Renaming the ticks as they were before 
ax.w_xaxis.set_ticklabels(xlabels) 
ax.w_yaxis.set_ticklabels(ylabels) 

# Labeling the 3 dimensions 
ax.set_xlabel('Year') 
ax.set_ylabel('Product') 
ax.set_zlabel('Sales') 

# Choosing the range of values to be extended in the set colormap 
values = np.linspace(0.2, 1., x_M.ravel().shape[0]) 

# Selecting an appropriate colormap 
colors = plt.cm.Spectral(values) 
ax.bar3d(x_M.ravel(), y_M.ravel(), z*0, dx=0.5, dy=0.5, dz=z, color=colors) 
plt.show() 

---

注：

不平衡groupby对象的柜面，你仍然可以通过unstacking 做到这一点，填补Nans用0，然后stacking回如下：

df = df_multi_index.unstack().fillna(0).stack() 

其中df_multi_index.unstack是你原来的多 - 索引数据帧。

对于加入到多指标数据帧的新值，得到以下情节：